人工智能技術作為新興的技術力量，驅動傳統產業的升級轉型。具備革命氣質的人工智能正與古老而保守的醫療體系相互交織，在激烈的碰撞與融合中推進醫療體系智能化改革的進程，使人工智能始終走向在服務人類的軌道上。

 

 

醫療影像行業門檻高、體量大，工作量繁雜且龐大，且日益增長的醫學影像數據與放射科醫師數量的增長速率極不匹配，導致醫療影響行業人才供給與市場需求之間出現斷層。人工智能作為一種效率工具，能夠在解放人力的同時提升閱片速度與診斷效率，賦能醫療診斷的全流程。AI醫療影像也因此成為AI企業尋求技術落地的一個窗口。

伴隨著人工智能落地潮的開啟，尋求合適的落地場景，快速找到技術商業化變現的道路成為AI企業發展的第一準則。因此，技術成果的數量與質量成為彰顯企業商業價值的維度之一。

在醫療影像領域，關于疾病篩查以及疾病診斷等AI模型識別的準確率則成了衡量技術具體使用成效的標準。華為與中國內地第三方醫學檢驗機構金域醫學合作研發了AI輔助宮頸癌篩查模型在排陰率高于60%的基礎上，陰性片判讀的正確率高于99%，陽性病變的檢出率也超過99.9%。騰訊覓影研發的AI眼底疾病篩查系統支持7大常見眼底疾病與20余種罕見眼底疾病的檢測，并能在幾秒內檢測出結果，準確率堪比資深醫師。

類似的AI篩查診斷系統還有很多，層出不窮的AI疾病篩查模型，居高不下的AI篩查準確率，令人驚嘆的診斷速度似乎昭示著AI醫療影像技術成熟水平已臻至化境。

 

 

經過幾十年的積累與沉淀，人工智能技術正在經歷過從能用到好用的階段，應用落地場景也處于逐漸開拓與深化的階段中，AI企業間的角逐也更加激烈，AI技術的發展也逐步進入垂直細分領域，醫療影像以入場容易以及標準化程度相對成熟而被認為是較早能夠實現AI落地的場景之一。

“降低人力成本”、“緩解醫療人員的工作壓力”、“媲美甚至超越資深醫師的診斷效率與能力”是媒體以及企業想要傳達給醫療機構以及大眾的認知，這也是企業開啟AI技術商業化大門的鑰匙。得益于AI影像技術的正面宣傳，其被認為是醫生得力的醫療助手，能夠在醫生+AI的雙重審核下降低誤診效率。

據樂晴智庫數據顯示，中國每年的影像誤診人數約為5700萬。事實上，AI技術并未造成誤診人員的大幅縮減，AI影像技術倒也是上演了一回“圖片僅供參考”。

除此之外，已有的AI診斷模型準確率并未達到100%，差之毫厘，謬以千里，這句話放這里再合適不過。

“最初我們很期待，但用了之后發現不太習慣，加上剛開始系統可能不穩定、準確率也不高或漏診或多篩，作用沒有想象中那么大。用AI看一遍，自己再檢查一遍，也沒有節省時間。”一家使用依圖醫療以及推想科技影像技術的醫院人員如是說。

事實上，出于絕對的安全性，AI醫療影像與最初研發的初衷相違背，反而增加了醫生的工作量，著實有些偷雞不成蝕把米。

 

 

事實證明，在企業過于追求技術落地忽視產品打磨的時候，AI醫療影像與眾多的AI技術一樣，預期遠超實際效果，產品噱頭遠不及實際實力。

AI醫療影像領域內的企業并未將業務中心放于產品打磨以及追尋清晰的商業模式與盈利場景上，導致醫院的付費意愿很低。現階段，AI醫療影像產品能力盈利受限的根本原因在于企業并未找到真正合適的應用場景，且產品并未滿足醫療機構的真正剛需，就像滴滴打車之于用戶出行，電視之于家庭娛樂，是錦上添花而非雪中送炭也。

新技術的崛起決定了其將在去泡沫化的過程中需要歷經錘煉，達到能夠解決實際問題的水平，這樣才能革命性提升醫療能力與服務水平。針對醫療影像領域而言，企業需要構建醫療領域的標準化數據庫，持續優化算法模型，為企業自身建立起護城河。除了確保技術的高壁壘性以外，企業還需要實際場景出發，洞察用戶的真正需求，構建醫院、市場和消費者互聯互通的橋梁，最終撬起AI醫療大時代的生態繁榮。

 

 轉自：HC3i中國數字醫療網